北京亦莊的人形機器人半程馬拉松剛落下帷幕，賽事中機器人的“摸爬滾打”，成為人形機器人從“3歲小孩”邁向成人的成長注腳。
如何解決人形機器人摔倒等問題，成為接下來業內的重點。此外，此次半程馬拉松允許途中更換電池或更換機器人，如何讓機器人未來較為連續地跑完半馬，也是值得思考的問題。
在業內看來，“摔倒”是一個復雜問題，不僅涉及算法魯棒性，還與機器人系統設計挑戰有關。第一財經記者了解到，為了解決摔倒等問題、加快行業邁向標準化，人形機器人硬件產業鏈近期有所行動。
機器人摔倒背后
半程馬拉松中，來自北京人形機器人創新中心的天工Ultra 用時2小時40分鐘率先完賽。比賽中機器人摔倒、摔倒后爬起并不罕見。天工Ultra在賽程過半后也一度摔倒，并在技術人員維修后繼續出發。“機器人中途有一次摔跤，是電池失效時出現的故障?！北本┤诵螜C器人創新中心CTO唐劍對第一財經表示。
除了電池失效故障，記者從業內人士了解到，人形機器人穩定站立和行走一直是業界難題，摔倒背后還有一些更系統性的原因，例如，系統延遲也可能導致機器人摔倒。
“傳統（具身智能）的大腦和小腦分開，甚至用的芯片系統可能都不一樣，彼此間通信、協作有系統級別的延遲?！?英特爾中國邊緣計算事業部行業解決方案高級總監李巖告訴記者，他從一些客戶了解到，由于系統間的通信延遲，會造成機器人摔倒。
具體而言，所謂大小腦分開可理解為大腦和小腦采用不同芯片。這種大小腦分開的設計源于具身智能演進過程中的算力需求增長，又因為大小腦運行工作負載存在差異，而被認為是一種現階段可被接受的設計，但其弊端也逐漸凸顯。
據英特爾技術專家介紹，目前主流計算架構中，小腦部分以x86（一種CPU主流架構）芯片為主，如英特爾12、13代酷睿，大腦部分方案以其他廠商的產品為主。有技術人員告訴記者，人形機器人在推理側不僅有CPU（中央處理器） GPU（圖形處理器）的方案，還有CPU NPU（神經網絡處理器）的方案。
以上多芯片組合背后，是算力需求不斷增長。有技術人員告訴記者，大語言模型和視覺模型增強了具身智能的泛化能力，自去年下半年起，業界還試圖用統一的大模型解決所有問題，將動作、操作和運動等維度的數據納入訓練，催生出了端到端的視覺動作大模型和視覺語言動作大模型。這個過程中，算法由人工設計算法逐漸轉向由數據驅動模型，由此帶來的算力需求增長，讓計算平臺由CPU轉向CPU、GPU并重乃至云端輔助。
大小腦要解決的問題不同，為避免計算負載過大導致運動協調問題，人為將大腦和小腦分開也成為一種現實選擇。英特爾中國邊緣計算事業部機器人產品資深架構師楊洪告訴記者，小腦通常運行底層操作系統、底層實時運動控制等，要求反應快，大腦主要工作負載則是接收并處理傳感器數據、生成運動規劃和決策。“當機身移動或周圍環境變化較大時，峰值計算負載可能比較大?！睏詈檎f，為應對這個挑戰，業內形成將大腦和小腦劃分為兩個不同系統的主流做法。
然而，大小腦分開的弊端逐漸凸顯，機器人容易因延遲而摔倒便成為業界不得不面對的問題。楊洪說，大腦和小腦兩套系統進行大量數據傳遞時，容易出現數據傳遞延遲。
在大小腦分開的架構下，解決數據傳輸延遲的問題并不容易。浙江人形機器人創新中心首席科學家熊蓉告訴記者，大小腦硬件上的分開，讓多種傳感器融合變得困難，“現在小腦不純粹是執行控制，我們還希望它能對作業對象形成控制。如果大小腦分開，一些傳感器放在大腦上，往下傳遞信息會出現信息量過大的情況?！?/p>
具體至靈巧手運動，熊蓉向記者舉例，靈巧手有觸、力、視覺傳感器，大小腦分開的情況下，為保證靈巧手實時控制，就需要把觸覺放到底層。然而，大腦決策規劃也要用到觸覺信息。如果觸覺信息要從小腦傳到大腦，視覺信息要從大腦傳到小腦，期間就存在延遲。
熊蓉表示，加大網絡帶寬可以應對信息傳輸量過大、出現延遲的挑戰。然而，要通過增加網絡帶寬來加快數據傳輸并不容易。信步科技副總經理葉志輝告訴記者，大小腦可以認為是兩臺獨立的機器，兩者之間目前只能通過網絡通信，而網絡傳輸非常麻煩，“因為涉及數據打包、解析，需要上到10G乃至100G網絡帶寬。100G網絡在機器人系統中非常不好處理，會造成空間和成本的巨大開支?！?/p>
硬件產業鏈行動起來
人形機器人大小腦系統分開不僅導致了延遲問題，還可能導致系統設計復雜等一系列問題。有技術人員向記者解釋，雙系統導致研發過程需要維護兩套開發環境、兩套系統，帶來研發成本上升，雙系統也限制了計算平臺的功耗、尺寸和結構，“雙系統下，控制代碼可能跑在ARM架構的CPU上，也可能跑在x86架構的CPU上，AI算法則跑在GPU等其他芯片上，軟件架構和代碼維護都不一樣?！?/p>
“追求大小腦融合的原因，一是將大小腦兩臺機器合二為一，提升機器人設計空間，二是降低成本，三是解決數據延遲?！比~志輝表示。
記者了解到，近期業內有一些統一計算平臺的嘗試。信步科技近期推出了新的具身智能開發平臺HB03，將CPU與GPU/NPU集成于一塊主板。英特爾今年年初推出第二代酷睿Ultra處理器，將CPU、GPU和NPU封裝在一個SoC（系統級芯片）中，并于近期基于該產品線推出一套具身智能解決方案。據介紹，英特爾酷睿Ultra 200H的CPU AI算力90TOPS，后續產品算力還將提高，如下一代Panther Lake可達180 TOPS。
此外，業界也看到了人形機器人續航時間較短的問題。唐劍表示，天工Ultra在半程馬拉松中換了三次電池，使用的電池是15安時，如果容量增加就能減少換電次數，但同時也會增加機器人重量、影響跑步速度。
就續航問題的解決途徑，熊蓉告訴記者，模型最好能壓縮、蒸餾和剪枝，從而降低對算力的要求，計算設備則需要小型化、輕量化、易散熱，以降低對電池的要求。因此，增加續航時間主要依靠三個方面：電池技術提升、設備功耗降低、算法對算力的需求降低。
葉志輝則看到硬件設計上的其他問題。他表示，開發具身智能控制器面臨諸多困難，包括標準問題。他的公司新發布的開發平臺連接器采用非標準設計，這是因為目前尚無適用標準?！熬呱碇悄懿幌窆I控制擁有數十年成熟的應用場景，因此形態尚未統一。這確實帶來一個問題：行業有特殊要求，例如常用的USB接口可能不便于使用，但目前許多客戶仍不得不使用USB或Type-C接口?！比~志輝稱。
葉志輝還注意到，傳統USB標準接口和RJ45水晶頭在運動時容易脫落，且有線纜過粗、不易整理等問題，這些問題困擾著行業，他的辦法是將對外接口進行加固。
人形機器人要穩定地運行，另有一些技術挑戰需要解決。有技術人員告訴記者，目前端到端算法成功率仍較低，機器人動作數據在不同構型機器人之間的遷移性不足，3D表征也尚未達成共識，此外，如何將多種傳感器的數據編碼并輸入端到端大模型中，目前還沒有明確答案。
“現在機器人大腦和身體都處于初級階段，兩者在握手、建立連接，就像身心交融的過程，但身體和心都需要進一步發展?！毙苋叵蛴浾弑硎尽?/p>
從跑跳到進工廠
業界通過半程馬拉松檢驗人形機器人運動能力的同時，實際場景落地也在加速。
今年1月，智元機器人第1000臺通用具身機器人量產下線，該公司計劃今年機器人出貨數千臺。
記者了解到，近日具身智能公司智平方也啟動自有產線建設，計劃2028年實現萬臺場景應用，2033年擴展至百萬臺規模。智平方的通用智能機器人AlphaBot已進入汽車制造場景，并在吉利科技旗下的晶能微科技電子半導體生產基地執行上下料等任務，該公司近日還與華熙生物合作，計劃讓機器人執行物料協同轉運等任務，降低微生物污染的風險。
唐劍告訴記者，就人形機器人這一垂直細分領域來看，幾十臺的量已經被視作是相對較大規模的應用了，例如天工的股東之一優必選就有約20臺左右的機器人在工廠打工。他透露，天工2.0機器人將很快實現小批量的量產并出貨。
“我們從一二十家人形機器人客戶了解情況，今年春節后有終端客戶老板下KPI，要求在自己的制造業工廠中應用DeepSeek和人形機器人。具身智能和人形機器人將首先在工業領域落地，例如特斯拉，國內也主要集中在制造業?！庇⑻貭栔袊吘売嬎闶聵I部高級產品經理瞿好聰表示。
工業成為一些人形機器人公司最先選擇的落地場景。但從另一方面看，要真正在工業中大規模應用，挑戰還不少。
高工機器人產業研究院數據顯示，2024年中國市場大約銷售2400臺人形機器人?！案鶕覀兣c客戶的訪談，去年售出的人形機器人主要用于院校、科研機構以及接待表演等場景，真正進入具體場景解決實際問題，各方仍在探索。” 瞿好聰表示，經過去年，今年機構對中國人形機器人的銷售預測有所下調，預計2030年銷量為16.2萬臺，2035年約200萬臺。
“挑戰方面，大家看到很多視頻中機器人完成跑跳等動作，很多都是（為）拍攝（設置）的。我們也購買了一套設備進行模仿學習，使用網上采集的數據訓練，發現成功率很低，例如雙臂機器人模仿人類插筆套的成功率很低?！宾暮寐敱硎?，客戶希望解決的也不是跑跳能解決的問題，而是產線難題，如3C行業的貼膜、撕膜。
“業界存在這樣的聲音：當機器人能跑能跳時，還難以穩定地站立操作?！毙苋乇硎?，目前能實際作業的人形機器人還不多，特斯拉作業很大程度上依賴遠程操控，波士頓動力的可靠性和魯棒性也存在問題。除了通用性挑戰，工業精度和效率也是重點，此前機器人通過專家編程可以實現高精度、高效率的離線作業，而隨著智能技術引入，現在面臨的問題變成了泛化性提升、精度效率下降，后續要解決如何兼顧泛化性和精度的問題。
工業中機器人的形態也仍待探討。一些在工廠中使用的人形機器人目前沒有人類一般的雙腿，例如智平方的AlphaBot2采用腰腿升降結構，搭配可移動的底盤，優艾智合等廠商采用輪式、履帶式結構。瞿好聰表示，機器人形態不一定是雙腿行走，核心技術是具身智能和AI，而不是硬件上完全的人類形態。
從近段時間人形機器人的出貨量級看，葉志輝向記者表示，完全人形的機器人產品出貨量可能不會很大，但在技術驅動下，相關技術有望應用于更廣泛的領域，例如輪式機器人、雙臂機器人等。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
